共查询到17条相似文献,搜索用时 46 毫秒
1.
2.
基于复合基神经网络的声目标分类识别 总被引:2,自引:0,他引:2
根据径向基函数(RBF)神经网络和前馈(BP)神经网络的特点,将BRF网络和BP网络结合起来构成复合基网络,并使用此网络进行声信号的分类识别。试验表明,该网络具有较好的综合分类识别性能,其分类能力优于RBF网络和BP网络。 相似文献
3.
基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法 总被引:1,自引:0,他引:1
在多自主水下航行器(AUV)协同定位系统中,针对协同定位性能受到系统内部和外部等多种因素制约的问题,提出一种基于径向基函数(RBF)神经网络辅助容积卡尔曼滤波(CKF)的多AUV协同定位方法。当基准参考位置可用时,通过非线性CKF得到滤波新息、预测误差和滤波增益作为RBF神经网络输入层的输入,滤波误差值作为输出对RBF神经网络进行训练;当基准信号中断时,利用训练好的RBF神经网络,对CKF的滤波状态估计值进行补偿,进而得到新的估计状态。利用湖试数据,模拟多AUV协同定位系统输入存在误差情况下的协同定位实验。实验结果表明,所提方法与无RBF辅助的CKF方法相比,平均定位误差减小70%,具有更好的准确性和稳定性。 相似文献
4.
5.
一种调整型径向基神经网络偏微分方程解法 总被引:2,自引:0,他引:2
基于径向基神经网络(RBFN)的偏微分方程(PDE)求解算法中,仅通过搜索最佳权值逼近方程解,精度有限。实际上在建立的RBFN中可能存在对求解PDE贡献很小的但是增加算法复杂度的神经元.或者缺少对方程解贡献很大的辅助神经元。基于这个事实我们提出一种新的算法:在搜索最佳权值同时调整RBFN结构,删除对方程解贡献小的神经元,增加对方程解贡献大的辅助神经元;采用最小均方误差梯度下降法得到最优权值;最后得到PDE的逼近解。仿真实验表明新算法较传统的RBFN算法.精度更高,误差收敛速度更快;可广泛应用于工程实践。 相似文献
6.
7.
空中节点的三维测向定位算法 总被引:3,自引:0,他引:3
研究了利用地面上2个固定基站根据测向定位的方法对空中阵列的节点进行三维定位的算法.该算法中,首先需建立坐标系,给出地面基站和空中阵列某节点的位置坐标,然后根据测向定位的数学原理给出空中阵列节点定位的数学模型,并求得空中阵列节点在此坐标系中的坐标.随后采用求偏导的方法得到求解该模型定位精度的公式.最后对选定坐标范围内的空中阵列节点的定位精度针对不同的条件进行了仿真,并对仿真结果进行了分析,得到了影响定位误差的因素. 相似文献
8.
9.
为了能够在飞行数据不尽精确的情况下进行快速、准确的落点预报,提出一种基于径向基函数(RBF)神经网络和无迹卡尔曼滤波技术的弹丸落点预报方法。使用RBF神经网络逼近外弹道方程用以预报弹丸落点,并用改进型量子行为粒子群算法优化网络结构和权阈值,在此基础上对基于神经网络的初步预报数据进行滤波处理。最后进行预报仿真,在输入数据有噪声的情况下依然得到了较高的预报精度,从而证明该方法对预报弹丸落点是有效可行的,为弹丸的落点预报的实际应用提供了参考。 相似文献
10.
11.
12.
RBF神经网络采用正交最小平方算法(OLS)决定隐层单元数目、基函数的中心和权值.该算法以每个输入样本为聚类中心,随着正交运算次数的增加,网络的输出误差平方将逐步减小到设定误差范围内,得到隐含层节点数和网络的权值.仿真表明RBF神经网络是有效的. 相似文献
13.
文中提出了一种应用RBF神经网络对标准IMM算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、卡尔曼增益以及测量值与估计值之差.网络输出反映了由于目标机动所带来的滤波误差.将网络输出结果和直接由卡尔曼滤波求解得到的结果相加.可以得到更为准确的滤波值。同时.在网络的学习算法中.在网络权值矩阵的修正公式中增加了反映滤波残差的调整项.若卡尔曼滤波的残差较大,网络调整权值的幅度也相应增大。仿真结果表明.在目标发生机动转弯处.校正后的IMM算法的跟踪误差要明显小于标准IMM算法的跟踪误差.跟踪精度较高。 相似文献
14.
将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好. 相似文献
15.
采用RBF神经网络的状态监测数据趋势预测,通过选取状态参数、数据预处理、运用Matlab神经网络工具箱建立RBF神经网络模型.先对网络初始化,确定输入、输出和隐含层的节点数.再将网络输出结果与样本比较,根据求得误差值逐步调整隐含层神经元数量,直至误差满足实际需求为止.对网络仿真证明该法具有较高精度. 相似文献
16.
17.
研究了标准BP网络、改进的BP网络(带动量的自适应BP网络)、 L-M网络和RBF网络及其学习算法, 探讨了基于这四种神经网络的导弹惯性器件故障预报方法, 并通过仿真实验对四种网络的预测预报性能进行了分析比较.结果表明, L-M网络和RBF网络对惯性器件的故障预报比两种BP网络更准确, 收敛速度更快. 相似文献